Este projeto teve como objetivo prever a probabilidade de desligamento de colaboradores (turnover) utilizando técnicas de ciência de dados e machine learning.
A partir da modelagem preditiva e análise exploratória, foi possível identificar fatores organizacionais e comportamentais que aumentam o risco de saída de funcionários.
Os resultados podem apoiar decisões estratégicas de retenção de talentos e gestão de pessoas.
Empresas frequentemente enfrentam desafios relacionados ao alto índice de rotatividade de colaboradores, o que gera custos com recrutamento, treinamento e perda de conhecimento organizacional.
Neste cenário, compreender quais fatores influenciam a saída de funcionários torna-se essencial para melhorar estratégias de retenção e gestão de pessoas.
Este projeto busca responder à seguinte questão de negócio:
É possível prever quais colaboradores possuem maior probabilidade de deixar a empresa com base em características comportamentais, demográficas e organizacionais?
Os dados utilizados neste projeto foram obtidos a partir de um dataset público disponibilizado no Kaggle – IBM HR Analytics Attrition Dataset.
O dataset contém informações relacionadas a:
- Cargo e departamento
- Remuneração e benefícios
- Satisfação no trabalho
- Tempo de empresa
- Horas extras
- Informações demográficas dos colaboradores
Após a coleta, os dados passaram por etapas de limpeza, transformação e preparação para análise e modelagem preditiva.
- Coleta e importação do dataset utilizando KaggleHub
- Análise exploratória dos dados (EDA)
- Verificação de inconsistências e valores ausentes
- Análise de distribuição da variável de turnover
- Construção de visualizações analíticas para identificação de padrões
- Criação de matriz de correlação com variáveis relevantes
- Transformação de variáveis categóricas utilizando One-Hot Encoding
- Separação das variáveis preditoras (X) e variável alvo (Attrition)
- Divisão dos dados em treino (75%) e teste (25%) com stratify
- Construção e comparação de modelos de classificação
- Avaliação com métricas: Recall, Precision, F1-Score e AUC
- Análise de overfitting comparando desempenho treino vs teste
- Interpretação dos resultados sob perspectiva de negócio
Linguagens
- Python
- SQL
Bibliotecas
- Pandas
- NumPy
- Scikit-Learn
- Matplotlib
- Seaborn
- XGBoost
Ferramentas de BI
- Power BI
Banco de Dados
- SQL / Oracle / PostgreSQL
Versionamento
- Git
- GitHub
Através do EDA ( Análise Explorátoria dos Dados), identificamos algumas variáveis que podem estar relacionadas ao desligamento de um funcionário, váriaveis como Status Civil, Frequencia de Viagem e Satisfação no Trabalho.
E percebemos pela correlação que determinados fatores comportamentais e organizacionais aumentam significativamente o risco de turnover.
Afim de estimarmos uma probabilidade e também prever desligamento, foi testado três modelos : Logistica, XGBoost, Random Forest e o modelo escolhido foi a Regressão Logística, que apresentou o melhor desempenho para o objetivo do negócio, alcançando:
- AUC: 0,77
- Recall: 66% na detecção de desligamentos
- Menor número de falsos negativos entre os modelos testados
Com esse modelo, e as análises exploratórias foi possível observar que funcionários que realizam horas extras, são solteiros, que possuem menor satisfação no trabalho e apresentam menor tempo de empresa possuem maior probabilidade de desligamento.
Principais fatores associados ao risco de saída:
- Funcionários que realizam hora extra têm cerca de 69% mais chance de sair
- Colaboradores solteiros apresentam maior probabilidade de desligamento
- Funcionários do departamento de vendas possuem maior risco
- Maior satisfação no ambiente de trabalho reduz o turnover
Com base nesses achados, recomenda-se:
- Direcionar estratégias de retenção para equipes com maior carga de horas extras
- Monitorar continuamente indicadores de satisfação dos colaboradores
- Criar políticas de incentivo e benefícios para reduzir riscos de desligamento
Essas ações podem contribuir para redução do turnover e otimização da gestão de talentos.
-
Integração com novos dados: incorporar dados reais da empresa para aumentar a robustez do modelo.
-
Automação da pipeline de dados: estruturar processos automatizados para atualização contínua das análises.
-
Evolução do modelo analítico: testar novas abordagens de machine learning e técnicas de balanceamento de classes para melhorar a performance preditiva.